THỬ NGHIỆM DỰ BÁO TỔ HỢP HẠN MÙA TRƯỜNG NHIỆT ĐỘ …tapchikttv.vn/data/article/892/VoVanHoa.pdf · Ban Biên tập nhận bài: 12/04/2020 Ngày phản biện

01 TẠP CHÍ KHÍ TƯỢNG THỦY VĂNSố tháng 06 - 2020

BÀI BÁO KHOA HỌC

Ban Biên tập nhận bài: 12/04/2020 Ngày phản biện xong: 20/06/2020 Ngày đăng bài: 25/06/2020

THỬ NGHIỆM DỰ BÁO TỔ HỢP HẠN MÙA TRƯỜNGNHIỆT ĐỘ MÙA ĐÔNG TRÊN KHU VỰC BẮC BỘ DỰA

TRÊN CÁCH TIẾP CẬN ĐA VẬT LÝ VÀ TRUNG BÌNH TRỄ

Võ Văn Hòa1, Dư Đức Tiến2, Mai Khánh Hưng2, Lương Thị Thanh Huyền2, Đặng Đình Quân2

Tóm tắt: Nghiên cứu khảo sát dự báo nhiệt độ hạn mùa vào mùa đông trên khu vực Bắc Bộ bằngmô hình khí hậu khu vực RegCM phiên bản 4.6.1. Các khảo sát đánh giá các kết quả dự báo do ảnhhưởng của việc sử dụng các sơ đồ tham số hóa vật lý khác nhau của mô hình RegCM, gồm sơ đồ bềmặt BATS và CLM4.5, sơ đồ bức xạ RRTM và CCRM và sơ đồ đối lưu Grell, Kain-Friscth và Tied-kle. Điều kiện biên sử dụng là mô hình CFS phiên bản 2 của NCEP (Mỹ) thời đoạn 2011-2018. Cáckết quả được đánh giá trực tiếp với các quan trắc của Việt Nam trong giai đoạn này cho thấy: i) kếtquả dự báo có độ nhạy lớn nhất đối với sự thay đổi sơ đồ bề mặt; ii) trong khi BATS có xu thế dựbáo sai số thiên âm, sử dụng CLM4.5 có xu thế dự báo thiên dương. Sai số dự báo nhiệt độ trungbình các tháng mùa đông còn lớn ở tất cả các cấu hình vật lý thử nghiệm, tuy nhiên với hệ số tươngquan cao cho từng vùng khí hậu cho thấy khả năng áp dụng các phương pháp hiệu chỉnh thông kêở các nghiên cứu tiếp theo. Ngoài ra, việc tổ hợp các 12 dự báo khác nhau cũng cho phép có kết quảvới sai số giảm hơn so với việc sử dụng từng dự báo đơn lẻ.

Từ khóa: Mô hình RegCM, dự báo tổ hợp hạn mùa, nhiệt độ mùa đông Bắc Bộ.

1. Mở đầuSo với dự báo cảnh báo cực ngắn, dự báo thời

tiết hạn đến 10-15 ngày, bài toán dự báo tại cáchạn dự báo xa hơn như tháng, mùa, năm, thập kỉvà nhiều thập kĩ có những đặc trưng khá khácnhau. Các hạn dự báo xa hơn liên quan đếnnhững hiểu biết và khả năng mô phỏng các nhântố tác động chính cả bên trong (internal) lẫn bênngoài (external) ứng với từng quy mô thời giannhất định [1, 2]. Hạn tháng, mùa có thể kể đếncác dao động, tương tác khí quyển-đại dương cóquy mô cỡ lục địa (ENSO, MJO…). Đối với cácdự báo cỡ nhiều năm, thập kỉ, nhiều thập kỉ (dựtính khí hậu) sẽ liên quan cả đến khả năng môphỏng dự báo các nhân tố bên ngoài như hoạtđộng của Mặt trời, tác động của con người đến

cấu trúc hóa học, vật lý của hệ sinh thái của TráiĐất (biến đổi khí hậu). Dự báo ở các hạn này đềudựa trên các mô hình gắn kết đầy đủ từ khítượng, hải văn đến băng quyển và các quá trìnhtại bề mặt Trái Đất, có độ phân giải chi tiết theokhông gian khoảng từ 50-100km2. Độ chính xácđối với hạn dự báo dài còn hạn chế tuy nhiênnhững xu thế dự báo đã bước đầu cho phép ứngdụng được trong công tác đưa ra các giải pháp,chính sách trong hoạt động kinh tế-xã hội đểthích ứng tùy thuộc từng hệ quả được cảnh báođưa ra [3].

Các phương pháp dự báo hạn mùa trongnghiệp vụ hiện nay vẫn được tiếp cận bằngphương pháp thống kê và bằng phương pháp môhình số/mô hình động lực. Cách tiếp cận bằngmô hình động lực có thể sử dụng trực tiếp sảnphẩm của mô hình khí hậu toàn cầu (GCM) hoặclồng (nest) các mô hình khí hậu khu vực (RCM)vào các GCM dựa trên nguyên tắc hạ qui mô

1Đài Khí tượng Thủy văn khu vực đồng bằng Bắc Bộ2Trung tâm Dự báo Khí tượng Thủy văn quốc giaEmail: [email protected]

DOI: 10.36335/VNJHM.2020(714).1-9

02TẠP CHÍ KHÍ TƯỢNG THỦY VĂNSố tháng 06 - 2020


động lực và phần nào đã thể hiện những ưu điểmvượt trội trong khả năng cung cấp sản phẩm dựbáo [3]. Ưu điểm của việc lồng các RCM vào cácGCM là đã mô tả chi tiết hơn các quá trình địaphương và khu vực. Mặc dù vậy, độ chính xáccủa kết quả dự báo ngoài việc phụ thuộc vào điềukiện biên của GCM còn phụ thuộc vào chínhnăng lực của các RCM thông qua bản chất độnglực và các sơ đồ tham số hóa [4,5].

Ở Việt Nam, từ những năm 2000, trongkhuôn khổ đề tài cấp Tổng cục Khí tượng Thủyvăn trước đây do Nguyễn Duy Chinh (ViệnKhoa học Khí tượng Thủy văn và Môi trường)làm chủ nhiệm, sử dụng mô hình thống kê để xâydựng hệ thống dự báo này là dị thường tổnglượng mưa mùa và nhiệt độ trung bình mùa (tổnghoặc trung bình từng 3 tháng liên tiếp nhau) [1].Các ứng dụng mô hình RCM đã được thửnghiệm tại Việt Nam từ những năm 2005 chothấy tiềm năng ứng dụng cao [7]. Liên quan đếnáp dụng trong nghiệp vụ dự báo khí hậu sử dụngphương pháp mô hình số gần đây có thể kể đếncông trình nghiên cứu cấp Nhà nướcKC08.29/06-10 “Nghiên cứu tác động của biếnđổi khí hậu toàn cầu đến các yếu tố và hiện tượngkhí hậu cực đoan ở Việt Nam, khả năng dự báovà giải pháp chiến lược ứng phó”, Phan Văn Tânvà cộng sự (2010) [8] đã bước đầu ứng dụngthành công hệ thống mô hình kết hợp đại dương- khí quyển CAM-SOM chạy dự báo hạn mùacung cấp đầu vào cho các mô hình khí hậu khuvực trong điều kiện Việt Nam.

Với ưu điểm của các RCM trong vấn đề dựbáo khí hậu và khả năng chi tiết hóa chế độ khíhậu bề mặt, nghiên cứu sẽ thử nghiệm dự báohạn mùa (đến 6 tháng) bằng mô hình RegCMvào mùa đông cho khu vực Bắc Bộ, giai đoạn2011-2018. Toàn bộ thông tin về mô hình nghiêncứu, dữ liệu quan trắc, điều kiện biên và thiết kếthử nghiệm được trình bày trong mục 2. Mục 3là kết quả đạt được và một số kết luận chínhđược đưa ra trong mục 4.

2. Mô hình nghiên cứu, dữ liệu quan trắc,điều kiện biên và thiết kế thử nghiệm

2.1. Mô hình nghiên cứu và điều kiện biênNghiên cứu sử dụng phiên bản 4.6.2 của mô

hình RegCM [9], kí hiệu là RegCM4. Phiên bảnRegCM đầu tiên được xây dựng dựa trên MM4(Mesoscale Model Version 4) của Trung tâmquốc gia nghiên cứu khí quyển (NCAR) vàTrường đại học Tổng hợp Pennsylvania (PSU),Hoa Kỳ, vào cuối những năm 1980. Các thôngtin về sơ đồ vật lý trong RegCM gồm: sơ đồ bềmặt gồm sơ đồ trao đổi sinh - khí quyển (Bios-phere Atmosphere Transfer Scheme - BATS) vàsơ đồ mô hình bề mặt cộng đồng CLM (Com-munity Land Model), sơ đồ sơ đồ truyền bức xạcủa NCAR-CCM (CCRM) và mô hình truyềnbức xạ RRTM, sơ đồ đối lưu mây tích gồm củaGrell, Kain-Friscth và Tiedkle.

Trong nghiên cứu sẽ sử dụng mô hình CFSphiên bản số 2 (Climate Forecast System) [10]của Trung tâm Dự báo môi trường Hoa Kỳ(NCEP) làm điều kiện biên. Hiện tại CFS đãđược phát triển đến phiên bản số 2, được chạy 4lần/ngày (00, 06, 12, 18 giờ UTC) với hạn dựbáo 9 tháng trên hệ thống tính toán của NCEP.Kết quả dự báo CFS được cung cấp miễn phí chocộng đồng có hạn dự báo 6 tháng (cộng ngày đầutiên của tháng thứ 7) và được lưu trữ trên máychủ của NCEP trong vòng 7 ngày gần với phiêndự báo hiện tại(http://nomads.ncep.noaa.gov/pub/data/nccf/com/cfs/prod/cfs/).

2.2. Dữ liệu quan trắcSố liệu nhiệt độ của các trạm quan trắc khí

tượng bề mặt trên khu vực Bắc Bộ được thu thậptrong giai đoạn 2011 đến 2018 để phục vụ đánhgiá dự báo từ mô hình RegCM. Danh sách cáctrạm được đưa ra trong Bảng 1 và đã bao gồmcả phân loại theo các vùng khí hậu địa phương(R1 - Tây Bắc, R2 - Việt Bắc và Đông Bắc vàR3 - Đồng Bằng Bắc Bộ). Nhiệt độ trung bìnhtháng là nhiệt độ trung bình của tất cả nhiệt độtrung bình ngày trong tháng được đánh giá. Cácchỉ số đánh giá gồm sai số trung bình (ME),trung bình tuyệt đối (MAE) và trung bình tuyệtđối quân phương (RMSE).



Bảng 1. Thông tin các trạm quan trắc ứng với các vùng khí hậu thuộc Bắc Bộ Việt Nam

2.3. Thiết kế thử nghiệmVới mục tiêu khảo sát đánh giá các kết quả

dự báo do ảnh hưởng của việc sử dụng các sơ đồtham số hóa vật lý khác nhau của mô hìnhRegCM phù hợp với khu vực và yếu tố dự báocần quan tâm của nghiên cứu, 3 tham số hóa vậtlý được khảo sát gồm sơ đồ bề mặt, sơ đồ đối lưuvà bức xạ. Bảng 2 đưa ra 12 cấu hình vật lý khácnhau của RegCM trong nghiên cứu này. Dự báothử nghiệm cho các tháng 12, 1 và 2 các mùađông từ năm 2011 đến 2018, dự báo từ các tháng7, 8, 1 và 10 và mỗi một tháng thực hiện 6 phiêndự báo cách nhau 5 ngày. Các dự báo trung bìnhtổ hợp từ 12 dự báo với các cấu hình khác nhaucủa một phiên chạy được gọi là tổ hợp đơn giản,kí hiệu là ENS12. Trong khi lấy trung bình tổhợp từ 3 phiên chạy liên tiếp được kí hiệu làENS36.

R1 - Tây bắc

R2 - Việt Bắc-Đông Bắc

R3 - Đồng Bằng Bắc Bộ

Name Lat. Lon. Name Lat. Lon. Name Lat. Lon. Name Lat. Lon.

Muong Te 22.37 102.83 Hiep Hoa 21.35 105.97 Dong Van 23.25 105.27 Ba Vi 21.15 105.42

Sin Ho 22.37 103.23 Bac Ninh 21.18 106.08 Sa Pa 22.35 103.82 Ha Dong 20.97 105.75

Tam Duong 22.42 103.48 Bac Me 22.73 105.37 Lao Cai 22.5 103.97 Chi Linh 21.08 106.38

Muong La 21.52 104.03 Bao Lac 22.95 105.67 Ha Giang 22.82 104.97 Son Tay 21.13 105.5

Than Uyen 21.95 103.88 Bac Quang 22.5 104.87 That Khe 22.25 106.47 Ha Noi 21.03 105.8

Muong Lay 22.07 103.15 Luc Yen 22.1 104.78 Cao Bang 22.67 106.25 Phu Ly 20.55 105.92

Phieng Lanh 21.85 103.57 Pho Rang 22.23 104.47 Vinh Yen 21.32 105.6 Hung Yen 20.65 106.05

Tuan Giao 21.58 103.42 Chiem Hoa 22.15 105.27 Yen Bai 21.7 104.87 Nam Dinh 20.39 106.15

Pha Din 21.57 103.5 Cho Ra 22.45 105.73 Phu Lien 20.8 106.63 Ninh Binh 20.23 105.97

Song Ma 21.5 103.75 Nguyen Binh 22.65 105.9 Lang Son 21.83 106.77 Hai Duong 20.93 106.3

Co Noi 21.13 104.15 Ngan Son 22.43 105.98 Thai Nguyen 21.6 105.83 Van Ly 20.12 106.3

Yen Chau 21.05 104.3 Van Chan 21.58 104.52 Bai Chay 20.97 107.07 Nho Quan 20.32 105.73

Bac Yen 21.23 104.42 Dinh Hoa 21.92 105.63 Cua Ong 21.02 107.35 Thai Binh 20.45 106.35

Phu Yen 21.27 104.63 Bac Son 21.9 106.32 Tien Yen 21.33 107.4 Cuc Phuong 20.25 105.72

Moc Chau 20.83 104.68 Huu Lung 21.5 106.35 Mong Cai 21.52 107.97 Hoai Duc 21.07 105.75

Mai Chau 20.65 105.05 Dinh Lap 21.53 107.1 Bac Ha 22.53 104.28

Dien Bien Phu 21.37 103 Quang Ha 21.45 107.75 Hoang Su Phi 22.75 104.68 Son La 21.33 103.9 Phu Ho 21.45 105.23 Mu Cang Chai 21.87 104.05 Kim Boi 20.33 105.53 Tam Dao 21.47 105.65 Ham Yen 22.07 105.03 Chi Ne 20.48 105.78 Bac Giang 21.3 106.22 Minh Dai 21.02 105.05 Son La 21.33 103.9 Bac Can 22.15 105.83 Trung Khanh 22.83 106.51 Hoa Binh 20.82 105.33 Viet Tri 21.3 105.42 Mau Son 21.85 106.95 Lac Son 20.45 105.45 Tuyen Quang 21.82 105.22 Co To 20.98 107.77

Luc Ngan 21.38 106.55 Hon Dau 20.67 106.8

Son Dong 21.33 106.85 Bach Long Vi 20.13 107.72

Uong Bi 21.03 106.75

Viết tắt Cấu hình vật lý trong mô hình Sơ đồ bề mặt Bức xạ Đối lưu

BAT01 BATS RRTM Grell BAT02 BATS CCRM Grell

BAT03 BATS RRTM Tiedtke

BAT04 BATS CCRM Tiedtke

BAT05 BATS RRTM Kain-Fritsch

BAT06 BATS CCRM Kain-Fritsch CLM01 CLM45 RRTM Grell

CLM02 CLM45 CCRM Grell

CLM03 CLM45 RRTM Tiedtke CLM04 CLM45 CCRM Tiedtke

CLM05 CLM45 RRTM Kain-Fritsch

CLM06 CLM45 CCRM Kain-Fritsch

Bảng 2. Thông tin các thử nghiệm trong nghiên cứu



3. Kết quả Hình 1 thể hiện kết quả nhiệt độ trung bình

tháng cho từng vùng khí hậu được dự báo từ môhình RegCM4 với các cấu hình khác nhau, môhình CFS và kết quả quan trắc thực tế dưới dạngbiểu đồ hộp. Dựa vào hình 1 có thể thấy rõ nhiệtđộ tháng dự báo bởi mô hình CFS ở vùng R1 vàR2 đều thấp hơn quan trắc thực tế ở tất cả cáchạn dự báo (4 tháng, 5 tháng và 6 tháng). Chỉriêng với khu vực R3, giá trị nhiệt độ dự báo

trong tháng 1 và tháng 2 xấp xỉ so với quan trắc,đặc biệt tại các hạn dự báo 5 tháng và 6 tháng.Nhìn chung, nhiệt độ trung bình tháng cho vùngR1 dự báo từ 12 thành phần dự báo riêng lẻ đềucó giá trị tiệm cận với quan trắc hơn so với dựbáo từ mô hình CFS. Ngoài ra, sai số dự báo củamô hình CFS ở các vùng R1 và R2 cao hơn sovới cấu hình BATS, trong khi đó CFS cung cấpdự báo tốt hơn RegCM4 ở khu vực R3.

Hình 1. Nhiệt độ trung bình tháng giai đoạn 2011-2018 cho từng vùng khí hậu R1, R2, và R3 tạicác tháng 12, 1 và 2 từ mô hình (CFS), các dự báo sử dụng BATS, sử dụng CLM, trung bình tổhợp từ 12 dự báo với các cấu hình khác nhau (ENS12), trung bình tổ hợp từ 3 lần chạy liên tiếp

(ENS36) tại các hạn 4,5,6 (màu vàng, xanh da trời và xanh lá cây) và quan trắc (đỏ). Biểu đồ hợpthể hiện giá trị phân vị 25 và 75, biểu đồ râu thể hiện phân vị 10 và 90

Từ 12 dự báo đơn lẻ cũng cho thấy khả năngdự báo của mô hình RegCM4 với các cấu hìnhvật lý khác nhau hầu hết nhạy hơn với sơ đồtham số hóa mặt đất so với sơ đồ bức xạ hay sơđồ đối lưu. Đối với khu vực R1, phân bố dự báosử dụng sơ đồ CLM tiến gần quan trắc hơn so

với cấu hình BATS trong tất cả các tháng mùađông, trong khi tương tự như CFS, BATS có xuhướng đưa ra các giá trị dự báo thấp hơn so vớiquan trắc. Ở hai khu vực còn lại là R2 và R3, dựbáo CLM có thiên hướng dự báo nhiệt độ caohơn so với dự báo BATS. So sánh dự báo trong



Hình 2. Sai số trung bình (ME) của giai đoạn 2011-2018 tại từng trạm trên Bắc bộ cho dự báotháng 12. 1 và 2 hạn dự báo 6 tháng cho dự bảo tổ hợp từ 12 dư báo vật lý khác nhau ENS12

tháng 1 và tháng 2, cấu hình BATS có dự báo tốthơn so với cấu hình CLM. Sự khác biệt giữa cáchạn dự báo được thấy rõ rệt nhất trong tháng 12ở cả hai cấu hình BATS và CLM, đặc biệt ở khuvực R2 và R3.

Đối với dự báo nhiệt độ tháng 12, nhiều trạmđưa ra dự báo thấp hơn so với quan trắc ở cấuhình BATS. Tại các trạm ở vùng núi, sai số cóthể lên tới 3-5°C do sự chênh lệch lớn giữa độ

cao tại điểm lưới mô hình và độ cao trạm thực tế.Với các khu vực đồng bằng ven biển, sự khácbiệt giữa cấu hình BATS và CLM cho khu vựcR3 là rất lớn, gây ra độ phân tán lớn trong hệthống ENS12 và ENS36. Xu hướng sai số củacấu hình BATS và CLM được thể hiện trongphân bố sai số trung bình tại từng điểm trạmtrong Hình 2 với hạn dự báo 6 tháng cho dự báotổ hợp từ 12 dự báo vật lý khác nhau.

Về các sai số dự báo, chỉ số RMSE của dựbáo BATS trong khoảng 3,5 - 4oC đối với R1 vàtừ 2,3 - 3,5oC đối với R2 và R3, trong khi đó consố này đối với dự báo CLM là từ 2,5 - 3oC choR1 và R2, và từ 2,5 - 4oC cho R3 (Bảng 3).Đánh giá thêm về dự báo BATS khi chuyển đổisơ đồ tham số hóa bức xạ hoặc tích lũy cho thấy,trong R1 và R2 cho các tháng mục tiêu của tháng12 và tháng 1, sơ đồ RRTM cung cấp kết quả tốt

hơn so với CCRM với mức giảm 10% - 20%trong RSME. Độ nhạy trong tháng hai và cho R3nhỏ hơn. BATS với sơ đồ KF cho thấy sai số caohơn so với các sơ đồ GR và TD (RMSE tăng 5%- 10%). Đối với CLM, độ nhạy của các sơ đồbức xạ khác nhau không lớn và rõ ràng như vớiBATS. Tuy nhiên, sự kết hợp với CCRM có xuhướng sai số thấp hơn so với RRTM.

Việc đánh giá các hệ vật lý khác nhau cho



Hình 3. Sai số trung bình (ME) của giai đoạn 2011-2018 tại từng trạm trên Bắc bộ cho dự báotháng 12. 1 và 2 hạn dự báo 6 tháng, đối với 6 dự báo sử dụng BATS (a) và sử dụng CLM (b)

thấy sự không chắc chắn trong các dự báo, đặcbiệt là với hai quá trình trên mặt đất khác nhau,từ đó tạo điều kiện cho việc tạo ra các khoảngtin cậy của dự báo với RegCM4 cho nhiệt độmùa đông miền Bắc Việt Nam trong phạm vi dựbáo theo mùa.

Trong Hình 1, giá trị trung bình chung củaENS12 và ENS36 được vẽ cùng với các dự báoduy nhất. Đối với vùng cận khí hậu R1, vào tháng12, cả ENS12 và ENS36 đều không thể cải thiệndự báo do dự báo sai lệch âm lớn từ các cấu hìnhBATS. Tuy nhiên, đối với các dự báo tháng 1 vàtháng 2, các dự báo có nghĩa là đồng nhất rõ ràng

phù hợp với các biến thể quan sát. Trong các dựbáo có nghĩa là đồng nhất, vẫn còn nhiều giá trịdự báo lạnh hơn so với các dự báo. RMSEs(Bảng 3) cho R1 trong tháng 1 và tháng 2 làkhoảng 2 - 3°C và thấp hơn so với các dự báo đơnlẻ. Chỉ số RMSE của ENS36 thấp hơn 5% - 10%so với ENS12. Đối với R2 và R3, RMSE đã đượccải thiện rõ ràng, khoảng 2 - 2,5°C đối với ENS12và ENS36 thấp hơn khoảng 20% so với ENS12.Các bản phân phối ME cho ENS12 trong Hình 3cho thấy sự cải thiện của ENS12 so với các dựbáo đơn lẻ (Hình 3).

ố ắ

(a) (b)



Bảng 3. Sai số RMSE trong giai đoạn 2011-2018 cho dự báo nhiệt độ trung bình tháng 12, 1 và2 của các cấu hình dự báo khác nhau với hạn dự báo 4,5,6 tháng tại từng vùng khí hậu

Trong Hình 4, các chỉ số MAE hàng năm củaENS12 ở tất cả các vùng dự báo cho thấy rằngcác sai số xảy ra rất lớn trong năm 2012 (đối vớiR1 với các giá trị ~4.5 - 5.5°C cho tháng 12), vào

năm 2016 (R1, R2 và R3 với các giá trị ~3 - 5°C)và năm 2018 (đối với R1 có giá trị ~3 - 4°C chotháng 12).

Hình 4. Sai số trung bình tuyệt đối tại từng năm của trung bình 12 dự báo (ENS12) với các cấuhình vật lý khác nhau tại từng vùng ở từng hạn dự báo 4.5.6

Vøng ThÆng Hạn dự bÆo ENS12 ENS36 BAT01 BAT02 BAT03 BAT04 BAT05 BAT06 CLM01 CLM02 CLM03 CLM04 CLM05 CLM06

R1 ThÆng 12 4 3,61 3,43 4,06 4,54 4,05 4,72 4,51 5,24 2,93 2,52 3 2,64 3,6 3,05 ThÆng 12 5 3,66 3,48 4,17 4,97 4,14 4,87 4,48 5,36 2,78 2,4 2,89 2,56 3,31 2,88 ThÆng 12 6 4,07 3,86 4,86 5,65 4,9 5,54 5,04 6,03 3,16 2,75 3,08 2,71 3,65 3,05

R2 ThÆng 12 4 2,52 2,33 3,02 3,33 3,02 3,5 3,38 3,85 2,61 2,64 2,64 2,62 2,62 2,48 ThÆng 12 5 2,62 2,43 3,16 3,74 3,15 3,65 3,41 4 2,62 2,83 2,73 2,79 2,62 2,57 ThÆng 12 6 2,75 2,53 3,64 4,2 3,67 4,16 3,83 4,54 2,57 2,71 2,51 2,65 2,52 2,48

R3 ThÆng 12 4 2,13 1,86 2,92 3,27 2,92 3,54 3,53 4,14 2,4 2,57 2,41 2,45 2,24 2,21 ThÆng 12 5 2,29 2,04 3,16 3,83 3,15 3,72 3,56 4,32 2,5 2,85 2,57 2,7 2,29 2,36 ThÆng 12 6 2,42 2,12 3,69 4,4 3,8 4,41 4,05 5,01 2,34 2,55 2,13 2,43 1,94 2,17


R2 ThÆng 1 4 2,17 2 2,72 2,78 2,71 2,77 2,74 2,77 2,52 2,53 2,56 2,56 2,49 2,48 ThÆng 1 5 2,43 2,08 3,05 3,19 3,04 3,14 3,13 3,22 2,64 2,66 2,68 2,6 2,68 2,58 ThÆng 1 6 2,48 2,12 3,2 3,42 3,25 3,4 3,36 3,52 2,6 2,64 2,59 2,62 2,57 2,64

R3 ThÆng 1 4 1,69 1,44 2,21 2,22 2,19 2,19 2,19 2,32 2,67 2,7 2,74 2,76 2,66 2,64 ThÆng 1 5 2,02 1,51 2,71 2,76 2,69 2,72 2,83 3 2,74 2,81 2,81 2,74 2,82 2,71 ThÆng 1 6 2,02 1,54 2,82 3,06 2,92 3,09 3,1 3,27 2,77 2,81 2,76 2,82 2,67 2,76



R3 ThÆng 2 4 3,17 2,76 2,7 2,62 2,69 2,79 2,73 2,79 4,11 3,84 4,3 4,01 4,43 3,92 ThÆng 2 5 3,06 2,66 2,58 2,49 2,58 2,59 2,62 2,6 4,12 3,95 4,32 4 4,36 3,95 ThÆng 2 6 2,89 2,82 2,28 2,2 2,26 2,32 2,33 2,38 4,16 3,9 4,36 3,99 4,33 4,01

0

1

2

3

4

5

6

R1 R2 R3 R1 R2 R3 R1 R2 R3 R1 R2 R3 R1 R2 R3 R1 R2 R3 R1 R2 R3 R1 R2 R3

2011 2012 2013 2014 2015 2016 2017 2018

MA

E (

oC

)

ENS12 FT=04 ENS12 FT=05 ENS12 FT=06

0

1

2

3

4

5

6

R1 R2 R3 R1 R2 R3 R1 R2 R3 R1 R2 R3 R1 R2 R3 R1 R2 R3 R1 R2 R3

2012 2013 2014 2015 2016 2017 2018

MA

E (

oC

)


0

1

2

3

4

5

6

R1 R2 R3 R1 R2 R3 R1 R2 R3 R1 R2 R3 R1 R2 R3 R1 R2 R3 R1 R2 R3

2012 2013 2014 2015 2016 2017 2018

MA

E (

oC

)


(c)

(a) (b)



4. Kết luận Nghiên cứu đã sử dụng mô hình khí hậu khu

vực RegCM phiên bản 4.6.1 trong vấn đề dự báonhiệt độ hạn mùa vào mùa đông trên khu vựcBắc Bộ giai đoạn 2011-2018. Các kết quả đượcđánh giá trực tiếp với các quan trắc của Việt Namtrong giai đoạn này cho thấy dự báo có độ nhạylớn nhất đối với sự thay đổi sơ đồ bề mặt. Việcsử dụng sơ đồ BATS có xu thế dự báo sai sốthiên âm còn sử dụng CLM4.5 có xu thế dự báo

thiên dương. Việc tổ hợp các 12 dự báo khácnhau cũng cho phép có kết quả với sai số giảmhơn so với việc sử dụng từng dự báo đơn lẻ. Saisố dự báo nhiệt độ trung bình các tháng mùađông còn lớn ở tất cả các cấu hình vật lý thửnghiệm. Tuy nhiên, với hệ số tương quan cao chotừng vùng khí hậu cho thấy khả năng áp dụng cácphương pháp hiệu chỉnh thông kê ở các nghiêncứu tiếp theo.

Lời cảm ơn: các tác giả xin gửi lời cảm ơn tới đề tài NCKH cấp Nhà nước “Nghiên cứu tác độngcủa biến đổi khí hậu tới sự xâm nhập của các đợt lạnh và nóng ấm bất thường trong mùa đông ởkhu vực miền núi phía Bắc phục vụ phát triển kinh tế - xã hội”, mã số BĐKH.25/16-20 đã hỗ trợ đểnhóm thực hiện nghiên cứu này. Bài báo này cũng là kết quả thực hiện của một nội dung trong đềtài nói trên.

Tài liệu tham khảo1. Kushnir, Y., Scaife, A.A., Arritt, R. et al. (2019), Towards operational predictions of the near-

term climate. Nature Climate Change, 9, 94-101.2. Smith, D.M., Scaife, A.A., Kirtman, B.P. (2012), What is the current state of scientific knowl-

edge with regard to seasonal and decadal forecasting? Environmental Research Letters, 7(1), 015602.Doi:10.1088/1748-9326/7/1/015602.

3. Fink, A., Langhans, W., Fosser, G., Ferrone, A., Ban, N., Goergen, K., Keller, M., Tölle, M.,Gutjahr, O., Feser, F., et al. (2015), A review on regional convection‐permitting climate modeling:Demonstrations, prospects, and challenges. Reviews of Geophysics, 53, 323- 361,Doi:10.1002/2014RG000475.

4. Phan Văn Tân, Dư Đức Tiến (2005), Ảnh hưởng của tính bất đồng nhất bề mặt đệm đến cáctrường nhiệt độ và lượng mưa mô phỏng bằng mô hình RegCM trên khu vực Đông Dương và ViệtNam. Tạp chí khoa học, Đại học Quốc gia Hà Nội, T.XXI, 4, 57-68.

5. Phan Văn Tân, Nguyễn Hướng Điền, Dư Đức Tiến (2005), Sơ đồ BATS và ứng dụng trong việctính các dòng trao đổi năng lượng và nước giữa bề mặt đất - khí quyển. Tạp chí khoa học, Đại họcQuốc gia Hà Nội, T.XX, 1, 40-56.

6. Hồ Thị Minh Hà (2008), Nghiên cứu khả năng mô phỏng mùa các yếu tố khí tượng trên lãnhthổ Việt Nam bằng phương pháp thủy động và thống kê. Luận án Tiến sĩ Khí tượng học, Đại họcKhoa học Tự nhiên, ĐHQG Hà Nội.

7. Phan Văn Tân và cộng sự (2008), Nghiên cứu ứng dụng mô hình khí hậu khu vực mô phỏng/dựbáo mùa các trường khí hậu bề mặt phục vụ qui hoạch phát triển và phòng tránh thiên tai. Báo cáoTổng kết đề tài QGTĐ.06.05, ĐHQG Hà Nội, 121 trang.

8. Phan Văn Tân và cộng sự (2010), Nghiên cứu tác động của biến đổi khí hậu toàn cầu đến cácyếu tố và hiện tượng khí hậu cực đoan ở Việt Nam, khả năng dự báo và giải pháp chiến lược ứngphó. Báo cáo tổng kết đề tài NCKH cấp quốc gia, mã số KC08.29/06-10.

9. Gao, X., Giorgi, F. (2017), Use of the RegCM system over East Asia: Review and perspectives.Engineering, 3, 766-772, doi:10.1016/J.ENG.2017.05.019.

10. Saha, S., Moorthi, S., Wu, X., Wang, J., Nadiga, S., Tripp, P., Behringer, D., Hou, Y.T.,Chuang, H.Y., Iredell, M., Ek, M. (2014), The NCEP climate forecast system version 2. Journal ofClimate, 27, 2185-2208. Doi:10.1175/jcli-d-12-00823.1.



APPLICATION OF SEASONAL ENSEMBLE PREDICTION BASEDON MULTIPLE PHYSICAL AND LAGGED-TIME APPROACH TO

FORECAST NORTHERN WINTER TEMPERATUREVo Van Hoa1, Du Duc Tien2, Mai Khanh Hung2,

Luong Thi Thanh Huyen2, Dang Dinh Quan2

1Northern Delta Regional Hydro-Meteorological Center2Vietnam National Center for Hydro-Meteorological Forecasting

Abstract: This study verified the seasonal forecast for winter temperatures in six months fornorthern Vietnam in 2011-2018 using a regional-climate model (RegCM4) with boundary condi-tions of coupled-forecast-system model version 2 of the National Centers for Environmental Pre-diction. In the study, different physical schemes (land-surface processes, cumulus, and radiationparameterizations) in RegCM4 were switched to generate 12 single forecasts. Three sub-climate re-gions (R1, R2, R3) of northern Vietnam were separately verified with surface observations. Mostsensitivity to temperature forecasts is shown by land-surface parameterizations (including bios-phere-atmosphere-transfer (BATS) and community-land-model version 4.5 (CLM) schemes) in whichBATS forecast groups tend to provide lower temperature forecasts than the actual observations. TheCLM’s forecast groups tend to forecast higher temperatures. The forecast errors from single forecastscan be clearly reduced with ensemble mean forecasts.

Keywords: RegCM model, Northern winter temperature, Seasonal ensemble forecast.

Documents

THỬ NGHIỆM DỰ BÁO TỔ HỢP HẠN MÙA TRƯỜNG NHIỆT ĐỘ …tapchikttv.vn/data/article/892/VoVanHoa.pdf · Ban Biên tập nhận bài: 12/04/2020 Ngày phản biện